SRAG-COVID por estados

Row

Casos confirmados entre hospitalizados por SRAG-COVID

6206

Óbitos entre hospitalizados por SRAG-COVID

1457

Letalidade entre hospitalizados por SRAG-COVID

23.5%

Row

Casos confirmados por estado (Passe o mouse por cima de cada ponto)

Casos hospitalizados de SRAG-COVID por estados (Clique nos estados para ver as estatísticas)

Row

Casos confirmados por estado (Passe o mouse por cima de cada ponto)

Letalidade por hospitalizações de SRAG-COVID por estados (Clique nos estados para ver as estatísticas)

Row

Casos SRAG-COVID a partir da confirmação do primeiro caso (Passe o mouse por cima de cada ponto)

Óbitos a partir da confirmação do primeiro caso (Passe o mouse por cima de cada ponto)

COVID-19 por estados

Row

Casos confirmados de COVID-19

79920

Óbitos por COVID-19

5483

Letalidade entre casos confirmados de COVID-19

6.9%

Row

Casos confirmados por estado (Passe o mouse por cima de cada ponto)

Casos de COVID-19 por estados (Clique nos estados para ver as estatísticas)

Row

Casos confirmados por estado (Passe o mouse por cima de cada ponto)

Letalidade por COVID-19 por estados (Clique nos estados para ver as estatísticas)

Row

Casos a partir da confirmação do primeiro caso (Passe o mouse por cima de cada ponto)

Óbitos a partir da confirmação do primeiro caso (Passe o mouse por cima de cada ponto)

Informação atualizada em 30/04/2020

Fonte dos dados

Casos de Covid-19 no Brasil

https://github.com/wcota/covid19br/

Casos de SRAG-COVID no Brasil

Dados processados (e abertos) do infogripe: http://bit.ly/mave-covid19-dados

Software

The R Project for Statistical Computing

https://www.r-project.org/

DT: https://rstudio.github.io/DT/
flexdashboard: https://rmarkdown.rstudio.com/flexdashboard/
ggplot2: https://ggplot2.tidyverse.org/
leaflet: https://rstudio.github.io/leaflet/
leafpop: https://github.com/r-spatial/leafpop brazilmaps: http://github.com/rpradosiqueira/brazilmaps

Dashboard desenvolvido por Leonardo Bastos (pesquisador do MAVE/PROCC/Fiocruz) e por Lucas Bianchi (doutorando em epidemiologia, ENSP/FIocruz). Adaptado do dashboard desenvolvido pela professora Paula Moraga (Univeristy of Bath, UK) usando dados coletados pelo agregador desenvolvido por Wesley Cota (doutorando da UFV e Universidad de Zaragoza, Espanha).

---
title: "COVID-19 no Brasil por estados"
output: 
  flexdashboard::flex_dashboard:
    source_code: embed
    css: styles.css
    vertical_layout: scroll
    orientation: rows
    navbar:
    - { title: "MAVE", href: "http://covid-19.procc.fiocruz.br/" }
editor_options: 
  chunk_output_type: console
---

```{r, echo=FALSE, results='hide'}
library(tidyverse)
library(flexdashboard)
library(leaflet)
library(lubridate)
library(DT)
library(gridExtra)
library(brazilmaps)
library(leafpop)
library(sf)
library(plotly)
```


```{r, echo=FALSE, results='hide', cache=FALSE}
###############################################
# Script feito por Leo Bastos (@leosbastos)
# 
# Esse (flex)dashboard foi desenvolvido por Leo Bastos 
# (pesquisador do MAVE/PROCC/Fiocruz). Com suporte de Lucas Bianchi 
# (doutorando em epidemiologia, ENSP/FIocruz). 
# Adaptado a partir de um dashboard desenvolvido pela professora 
# Paula Moraga (Univeristy of Bath, UK) usando dados coletados 
# pelo agregador desenvolvido por Wesley Cota 
# (doutorando da UFV e Universidad de Zaragoza, Espanha) e
# dados abertos do projeto infogripe.


# Lendo dados

# Wesley Cota


d.estados <- read.csv("https://raw.githubusercontent.com/wcota/covid19br/master/cases-brazil-states.csv", 
  sep=",", encoding = "UTF-8", stringsAsFactors = F) %>% 
  mutate(date = ymd(date))


## Mapas do Brasil pelo pacote brazilmaps

# Por estado
state_map <- get_brmap(geo = "State",
                        #geo.filter = list(Region = 5),
                        class = "sf")  %>%  
  # SIRGAS 2000 ( https://wiki.osgeo.org/wiki/Brazilian_Coordinate_Reference_Systems )
  st_set_crs(4674)

tbl.sigla.UF <- tibble(
  # Estados em ordem alfabetica
  nome = sort(as.character(state_map$nome)),
  # Sigla
  sigla = c("AC", "AL", "AP", "AM", "BA", "CE", "DF", "ES", "GO", "MA",
            "MT", "MS", "MG", "PA", "PB", "PR", "PE", "PI", "RJ", "RN",
            "RS", "RO", "RR", "SC", "SP",  "SE", "TO"),
  regiao = c("Norte", "Nordeste", "Norte", "Norte", "Nordeste", "Nordeste", 
             "Centro Oeste", "Sudeste", "Centro Oeste", "Nordeste",
            "Centro Oeste", "Centro Oeste", "Sudeste", "Norte", "Nordeste", "Sul", 
            "Nordeste", "Nordeste", "Sudeste", "Nordeste",
            "Sul", "Norte", "Norte", "Sul", "Sudeste",  "Nordeste", "Norte"),
  COD_ID = state_map$State[order(as.character(state_map$nome))]
)



# state_map %>% 
#   state = sort(unique(d.estados$state[d.estados$state != "TOTAL"])),

## Dados de SRAG-COVID

# Downloading and cleaning up the data

# aaa <- read.csv2("https://gitlab.procc.fiocruz.br/mave/repo/raw/master/Dados/InfoGripe/dados_semanais_faixa_etaria_sexo_virus.csv") %>%
# # aaa <- read.csv2("~dados_semanais_faixa_etaria_sexo_virus.csv") %>%
#   filter(
#     (dado == "sragcovid" | dado == "obitocovid"),
#     escala == "casos", sexo == "Total", Ano.epidemiológico == 2020) %>%
#   select(UF, Unidade.da.Federação, Tipo, Semana.epidemiológica, dado, SARS.CoV.2) %>%
#   spread(key = dado, value = SARS.CoV.2 ) %>%
#   # mutate(
#   #   obitocovid = replace_na(obitocovid, 0)
#   # ) %>%
#   group_by(UF) %>%
#   mutate(
#     sragcovid.cum = cumsum(replace_na(sragcovid,0)),
#     obitocovid.cum = cumsum(replace_na(obitocovid,0)),
#     letalidade = obitocovid.cum / sragcovid.cum
#   ) %>% ungroup() %>%
#   # Removendo as semanas sem casos de srag-covid
#   mutate( sragcovid.cum = ifelse(sragcovid.cum == 0, NA,sragcovid.cum) ) %>%
#   drop_na(sragcovid.cum)
# aaa %>% write_csv2(path = "Data/dados_clean_leo.csv")

d.infogripe <- read_csv2("../Data/dados_clean_leo.csv")


# aaa <- read.csv2("https://gitlab.procc.fiocruz.br/mave/repo/raw/master/Dados/InfoGripe/serie_temporal_com_estimativas_recentes.csv") %>%
# # aaa <- read.csv2("serie_temporal_com_estimativas_recentes.csv") %>%
#   filter(
#   (dado == "srag"),
#   escala == "casos", Ano.epidemiológico == 2020) %>%
# mutate(
#   Total = replace_na(
#     Total.reportado.até.a.última.atualização, 0 ),
#   Nowcast = ifelse(is.na(casos.estimados),
#                            Total.reportado.até.a.última.atualização,
#                            casos.estimados),
# 
# ) %>%
# drop_na(Total.reportado.até.a.última.atualização) %>%
# select(UF, Unidade.da.Federação, Tipo, Semana.epidemiológica, dado, Total, Nowcast) %>%
# group_by(UF) %>%
# mutate(
#   srag.cum = cumsum(Total),
#   srag.now.cum = cumsum(Nowcast)
# ) %>% ungroup() %>% # View()
# write_csv2(path = "Data/dados_clean_leo2.csv")


# Razao SRAG-COVID / SRAG a partir da Semana 9 em diante
# SRAG-COVID / SRAG = 6199/34353 = 0.18045

# d.infogripe2 <- read_csv2("../Data/dados_clean_leo2.csv")




# ggplot(teste %>%  
#          filter(Tipo == "Região"), aes(x = Semana.epidemiológica, 
#                                        y = sragcovid.cum, 
#                                        color = factor(UF), group = UF)) +
#   geom_line(show.legend = F) + 
#   geom_label( data = teste %>%  
#                 filter(Tipo == "Região", Semana.epidemiológica == max(Semana.epidemiológica)), 
#               mapping = aes(x = Semana.epidemiológica, 
#                             y = sragcovid.cum, 
#                             label = substr(Unidade.da.Federação, 
#                                            start = 8, 
#                                            stop = nchar(as.character(Unidade.da.Federação))) ), 
#               show.legend = F ) +
#   scale_y_continuous(trans = "log10") +
#   ylab("Total de casos de COVID-19") +
#   theme_bw() # + facet_wrap(~Tipo, nrow=2)

```




```{r, echo=FALSE, results='hide'}

# leaflet por estado

# Dados acumulados
d.covid.cum <- d.estados %>% filter(state != "TOTAL") %>% 
  group_by(state) %>% 
  summarise(
    totalCases = max(totalCases),
    deaths = max(deaths),
    #cfr = deaths / totalCases
  ) %>% left_join(tbl.sigla.UF, by = c("state"="sigla"))

# Dados SRAG-COVID acumulados
d.sragcovid.cum <- d.infogripe %>% filter(Tipo == "Estado") %>% 
  group_by(UF) %>% 
  summarise(
    totalCases.srag = max(sragcovid.cum),
    deaths.srag = max(obitocovid.cum),
    #cfr = deaths.srag / totalCases.srag
  )


# d.sragcovid.now.cum <- d.infogripe2 %>% filter(Tipo == "Estado") %>% 
#   group_by(UF) %>% 
#   summarise(
#     totalCases.SRAG = max((dado == "srag") * casos.cum),
#     totalCases.SRAG.now = max((dado == "srag") * casos.now.cum),
#     #cfr = deaths.srag / totalCases.srag
#   )


state_map <- state_map %>% 
  left_join( d.covid.cum, by = "nome" ) %>% 
  left_join( d.sragcovid.cum, by = c("State"="UF")) #%>% 
  #left_join( d.sragcovid.now.cum, by = c("State"="UF"))


state_map <- state_map %>% 
  mutate(
    cfr = deaths / totalCases,
    cfr.srag = ifelse(totalCases.srag > 25, deaths.srag / totalCases.srag, NA), 
    #cfr.srag.now = ifelse(totalCases.srag > 25, deaths.srag.now / totalCases.srag.now, NA) 
    ) 
```




SRAG-COVID por estados
===================================== 



Row
-----------------------------------------------------------------------

### Casos confirmados entre hospitalizados por SRAG-COVID

```{r}
#usar o dconfirmed pq o dados remove
valueBox(value = sum(d.sragcovid.cum$totalCases.srag),
         color = "orange",
         #icon = "glyphicon-ok"
         )
```


### Óbitos entre hospitalizados por SRAG-COVID

```{r}
#usar o dconfirmed pq o dados remove
valueBox(value = sum(d.sragcovid.cum$deaths.srag),
         color = "red",
         #icon = "glyphicon-ok-sign"
         )
```

### Letalidade entre hospitalizados por SRAG-COVID

```{r}
#usar o dconfirmed pq o dados remove
valueBox(value = paste0( round(sum(d.sragcovid.cum$deaths.srag) / sum(d.sragcovid.cum$totalCases.srag) * 100, 1), "%"),
         color = "red",
         #icon = "glyphicon-ok-sign"
         )
```



Row 
-----------------------------------------------------------------------



### Casos confirmados por estado (Passe o mouse por cima de cada ponto)

```{r}
tbl.sragcovid.state <- d.infogripe %>%  
  filter(Tipo == "Estado") %>% 
  left_join(tbl.sigla.UF, by = c("UF"="COD_ID")) %>% 
  mutate(
    date = Semana.epidemiológica
  ) %>% group_by(regiao, nome, date) %>% 
  summarise(
    totalCases = max(sragcovid.cum),
    deaths = max(obitocovid.cum)
  ) %>% ungroup() 


tbl.sragcovid.state <- tbl.sragcovid.state %>% 
  group_by(nome) %>% 
  mutate(
    tempo = as.numeric( date - min(date) )
    # maxtempo = max(tempo)
  ) %>% ungroup()



g.srag.covid <- tbl.sragcovid.state %>%  
  ggplot(aes( y = totalCases, x = date, group = nome, color = regiao )) + 
  geom_point(show.legend = F) +
  scale_color_discrete("Estados") + 
  geom_line(show.legend = F) + 
  # geom_label( data = tbl.covid.state %>% 
  #               filter(date == max(date)), 
  #             mapping = aes(x = date, y = totalCases, label = state ), 
  #             show.legend = F ) +
  scale_y_continuous(trans = "log10") +
  ylab("Total de casos de SRAG-COVID") +
  #xlab("Dia") +
  scale_x_continuous(name = "Semana epimiológica", breaks = 9:18, labels = 9:18) +
  theme_bw(base_size = 14)  
  #ggtitle("Estados com transmissão comunitária") +
  #theme(legend.position='none') 

ggplotly(g.srag.covid)

```

### Casos hospitalizados de SRAG-COVID por estados (Clique nos estados para ver as estatísticas)


```{r}
# SRAG-COVID

pal.state <- colorNumeric(palette = "YlOrRd", domain = state_map$totalCases.srag )

# Criando o mapa de srag-covid por estado
l.srag.cases <- leaflet( state_map ) %>%
  addTiles() %>%
  #addProviderTiles(providers$CartoDB.DarkMatter, group = "Escuro") %>%
  addProviderTiles(providers$CartoDB.Positron, group = "Claro") %>%
  addProviderTiles(providers$HERE.satelliteDay, group = "Satélite") %>%
  addPolygons(color = "#444444", weight = 1, smoothFactor = 0.5,
    opacity = 1.0, fillOpacity = 0.5,
    #fillColor = ~pal.state(cases.cat),
    fillColor = ~pal.state(totalCases.srag),
    highlightOptions = highlightOptions(color = "white", weight = 2,
      bringToFront = TRUE, ),
    popup = ~paste0("", nome,":
", " Confirmados: ", totalCases.srag, "
", " Óbitos: ", deaths.srag, "
", " Letalidade: ", round(cfr.srag*100,1), "") ) %>% addLegend("bottomright", pal = pal.state, values = ~totalCases.srag, title = "Casos SRAG-COVID", #labFormat = labelFormat(prefix = "$"), opacity = 1 ) %>% addLayersControl( baseGroups = c("Claro", "Satélite"), options = layersControlOptions(collapsed = TRUE) ) l.srag.cases ``` Row ----------------------------------------------------------------------- ### Casos confirmados por estado (Passe o mouse por cima de cada ponto) ```{r} g.srag.covid.obitos <- tbl.sragcovid.state %>% filter(deaths > 1) %>% ggplot(aes( y = deaths, x = date, group = nome, color = regiao )) + geom_point(show.legend = F) + scale_color_discrete("Estados") + geom_line(show.legend = F) + # geom_label( data = tbl.covid.state %>% # filter(date == max(date)), # mapping = aes(x = date, y = totalCases, label = state ), # show.legend = F ) + scale_y_continuous(trans = "log10") + ylab("Óbitos por COVID-19") + #xlab("Dia") + scale_x_continuous(name = "Semana epimiológica", breaks = 8:18, labels = 8:18) + theme_bw(base_size = 14) ggplotly(g.srag.covid.obitos) ``` ### Letalidade por hospitalizações de SRAG-COVID por estados (Clique nos estados para ver as estatísticas) ```{r} pal.state.cfr <- colorNumeric(palette = "YlOrRd", domain = state_map$cfr.srag) # Criando o mapa de casos por estado l.cfr.srag <- leaflet( state_map ) %>% addTiles() %>% #addProviderTiles(providers$CartoDB.DarkMatter, group = "Escuro") %>% addProviderTiles(providers$CartoDB.Positron, group = "Claro") %>% addProviderTiles(providers$HERE.satelliteDay, group = "Satélite") %>% addPolygons(color = "#444444", weight = 1, smoothFactor = 0.5, opacity = 1.0, fillOpacity = 0.5, fillColor = ~pal.state.cfr(cfr.srag), highlightOptions = highlightOptions(color = "white", weight = 2, bringToFront = TRUE, ), popup = ~paste0("", nome,":
", " Confirmados: ", totalCases.srag, "
", " Óbitos: ", deaths.srag, "
", " Letalidade: ", round(cfr.srag*100,1), "") ) %>% addLegend("bottomright", na.label = "Casos < 25", pal = pal.state.cfr, values = ~cfr.srag, title = "Letalidade por SRAG-COVID", labFormat = labelFormat( prefix = " ", suffix = "%", between = ", ", transform = function(x) 100 * x), opacity = 1 ) %>% addLayersControl( baseGroups = c("Claro", "Satélite"), options = layersControlOptions(collapsed = TRUE) ) l.cfr.srag ``` Row ----------------------------------------------------------------------- ### Casos SRAG-COVID a partir da confirmação do primeiro caso (Passe o mouse por cima de cada ponto) ```{r} g.srag.cases.1o <- tbl.sragcovid.state %>% ggplot(aes( y = totalCases, x = tempo, group = nome, color = regiao)) + geom_point(show.legend = F) + geom_line(show.legend = T) + # geom_label( data = tbl.covid.state %>% # filter(date == max(date) ), # mapping = aes(x = maxtempo, y = totalCases, label = state ), # show.legend = F ) + scale_y_continuous(trans = "log10") + ylab("Total de casos") + xlab("Semanas a partir do primeiro caso") + theme_bw(base_size = 14) # ggplotly(g.cases.1o) ggplotly(g.srag.cases.1o) ``` ### Óbitos a partir da confirmação do primeiro caso (Passe o mouse por cima de cada ponto) ```{r} g.srag.obitos.1o <- tbl.sragcovid.state %>% filter(deaths > 1 ) %>% ggplot(aes( y = deaths, x = tempo, group = nome, color = regiao)) + geom_point(show.legend = F) + geom_line(show.legend = T) + # geom_label( data = tbl.covid.state %>% # filter(deaths > 10 ) %>% # filter(date == max(date) ), # mapping = aes(x = maxtempo, y = deaths, label = state ), # show.legend = F ) + scale_y_continuous(trans = "log10") + ylab("Total de óbitos") + xlab("Semanas a partir do primeiro caso") + theme_bw(base_size = 14) # ggplotly(g.obitos.1o) ggplotly(g.srag.obitos.1o) ``` COVID-19 por estados ===================================== Row ----------------------------------------------------------------------- ### Casos confirmados de COVID-19 ```{r} #usar o dconfirmed pq o dados remove valueBox(value = sum(d.covid.cum$totalCases), color = "orange", #icon = "glyphicon-ok" ) ``` ### Óbitos por COVID-19 ```{r} #usar o dconfirmed pq o dados remove valueBox(value = sum(d.covid.cum$deaths), color = "red", #icon = "glyphicon-ok-sign" ) ``` ### Letalidade entre casos confirmados de COVID-19 ```{r} #usar o dconfirmed pq o dados remove valueBox(value = paste0( round(sum(d.covid.cum$deaths) / sum(d.covid.cum$totalCases) * 100, 1), "%"), color = "red", #icon = "glyphicon-ok-sign" ) ``` Row ----------------------------------------------------------------------- ### Casos confirmados por estado (Passe o mouse por cima de cada ponto) ```{r} tbl.covid.state <- d.estados %>% filter(state != "TOTAL") %>% left_join(tbl.sigla.UF, by = c("state"="sigla")) %>% mutate( date = epiweek(ymd(date)) ) %>% group_by(regiao, nome, date) %>% summarise( totalCases = max(totalCases), deaths = max(deaths) ) %>% ungroup() tbl.covid.state <- tbl.covid.state %>% group_by(nome) %>% mutate( tempo = as.numeric( date - min(date) ) # maxtempo = max(tempo) ) %>% ungroup() g.covid <- tbl.covid.state %>% ggplot(aes( y = totalCases, x = date, group = nome, color = regiao )) + geom_point(show.legend = F) + scale_color_discrete("Estados") + geom_line(show.legend = F) + # geom_label( data = tbl.covid.state %>% # filter(date == max(date)), # mapping = aes(x = date, y = totalCases, label = state ), # show.legend = F ) + scale_y_continuous(trans = "log10") + ylab("Total de casos de COVID-19") + #xlab("Dia") + scale_x_continuous(name = "Semana epimiológica", breaks = 9:18, labels = 9:18) + theme_bw(base_size = 14) #ggtitle("Estados com transmissão comunitária") + #theme(legend.position='none') ggplotly(g.covid) ``` ### Casos de COVID-19 por estados (Clique nos estados para ver as estatísticas) ```{r} # state_map %>% sf::st_drop_geometry() %>% View() pal.state <- colorNumeric(palette = "YlOrRd", domain = state_map$totalCases ) # Criando o mapa de casos por estado l.cases <- leaflet( state_map ) %>% addTiles() %>% #addProviderTiles(providers$CartoDB.DarkMatter, group = "Escuro") %>% addProviderTiles(providers$CartoDB.Positron, group = "Claro") %>% addProviderTiles(providers$HERE.satelliteDay, group = "Satélite") %>% addPolygons(color = "#444444", weight = 1, smoothFactor = 0.5, opacity = 1.0, fillOpacity = 0.5, #fillColor = ~pal.state(cases.cat), fillColor = ~pal.state(totalCases), highlightOptions = highlightOptions(color = "white", weight = 2, bringToFront = TRUE, ), popup = ~paste0("", nome,":
", " Confirmados: ", totalCases, "
", " Óbitos: ", deaths, "
", " Letalidade: ", round(cfr*100,1), "") ) %>% addLegend("bottomright", pal = pal.state, values = ~totalCases, title = "Casos confirmados do COVID-19", #labFormat = labelFormat(prefix = "$"), opacity = 1 ) %>% addLayersControl( baseGroups = c("Claro", "Satélite"), options = layersControlOptions(collapsed = TRUE) ) l.cases ``` Row ----------------------------------------------------------------------- ### Casos confirmados por estado (Passe o mouse por cima de cada ponto) ```{r} g.covid.obitos <- tbl.covid.state %>% filter(deaths > 1) %>% ggplot(aes( y = deaths, x = date, group = nome, color = regiao )) + geom_point(show.legend = F) + scale_color_discrete("Estados") + geom_line(show.legend = F) + # geom_label( data = tbl.covid.state %>% # filter(date == max(date)), # mapping = aes(x = date, y = totalCases, label = state ), # show.legend = F ) + scale_y_continuous(trans = "log10") + ylab("Óbitos por COVID-19") + #xlab("Dia") + scale_x_continuous(name = "Semana epimiológica", breaks = 12:18, labels = 12:18) + theme_bw(base_size = 14) #ggtitle("Estados com transmissão comunitária") + # theme(legend.position='none') # ggplotly(g.covid.obitos) ggplotly(g.covid.obitos) ``` ### Letalidade por COVID-19 por estados (Clique nos estados para ver as estatísticas) ```{r} pal.state.cfr <- colorNumeric(palette = "YlOrRd", domain = state_map$cfr) # Criando o mapa de casos por estado l.cfr <- leaflet( state_map ) %>% addTiles() %>% #addProviderTiles(providers$CartoDB.DarkMatter, group = "Escuro") %>% addProviderTiles(providers$CartoDB.Positron, group = "Claro") %>% addProviderTiles(providers$HERE.satelliteDay, group = "Satélite") %>% addPolygons(color = "#444444", weight = 1, smoothFactor = 0.5, opacity = 1.0, fillOpacity = 0.5, fillColor = ~pal.state.cfr(cfr), highlightOptions = highlightOptions(color = "white", weight = 2, bringToFront = TRUE, ), popup = ~paste0("", nome,":
", " Confirmados: ", totalCases, "
", " Óbitos: ", deaths, "
", " Letalidade: ", round(cfr*100,1), "") ) %>% addLegend("bottomright", pal = pal.state.cfr, values = ~cfr, title = "Letalidade por COVID-19", labFormat = labelFormat( prefix = " ", suffix = "%", between = ", ", transform = function(x) 100 * x), opacity = 1 ) %>% addLayersControl( baseGroups = c("Claro", "Satélite"), options = layersControlOptions(collapsed = TRUE) ) l.cfr ``` Row ----------------------------------------------------------------------- ### Casos a partir da confirmação do primeiro caso (Passe o mouse por cima de cada ponto) ```{r} g.cases.1o <- tbl.covid.state%>% ggplot(aes( y = totalCases, x = tempo, group = nome, color = regiao)) + geom_point(show.legend = F) + geom_line(show.legend = T) + # geom_label( data = tbl.covid.state %>% # filter(date == max(date) ), # mapping = aes(x = maxtempo, y = totalCases, label = state ), # show.legend = F ) + scale_y_continuous(trans = "log10") + ylab("Total de casos") + xlab("Semanas a partir do primeiro caso") + theme_bw(base_size = 14) # ggplotly(g.cases.1o) ggplotly(g.cases.1o) ``` ### Óbitos a partir da confirmação do primeiro caso (Passe o mouse por cima de cada ponto) ```{r} g.obitos.1o <- tbl.covid.state %>% filter(deaths > 1 ) %>% ggplot(aes( y = deaths, x = tempo, group = nome, color = regiao)) + geom_point(show.legend = F) + geom_line(show.legend = T) + # geom_label( data = tbl.covid.state %>% # filter(deaths > 10 ) %>% # filter(date == max(date) ), # mapping = aes(x = maxtempo, y = deaths, label = state ), # show.legend = F ) + scale_y_continuous(trans = "log10") + ylab("Total de óbitos") + xlab("Semanas a partir do primeiro caso") + theme_bw(base_size = 14) # ggplotly(g.obitos.1o) ggplotly(g.obitos.1o) ``` Informação atualizada em `r format(today(), "%d/%m/%Y")` =====================================

Fonte dos dados

**Casos de Covid-19 no Brasil** https://github.com/wcota/covid19br/ **Casos de SRAG-COVID no Brasil** Dados processados (e abertos) do infogripe: http://bit.ly/mave-covid19-dados

Software

**The R Project for Statistical Computing** https://www.r-project.org/ DT: https://rstudio.github.io/DT/ flexdashboard: https://rmarkdown.rstudio.com/flexdashboard/ ggplot2: https://ggplot2.tidyverse.org/ leaflet: https://rstudio.github.io/leaflet/ leafpop: https://github.com/r-spatial/leafpop brazilmaps: http://github.com/rpradosiqueira/brazilmaps Dashboard desenvolvido por Leonardo Bastos (pesquisador do MAVE/PROCC/Fiocruz) e por [Lucas Bianchi](http://www.lucasbianchi.com/) (doutorando em epidemiologia, ENSP/FIocruz). Adaptado do dashboard desenvolvido pela professora [Paula Moraga](http://www.paulamoraga.com/) (Univeristy of Bath, UK) usando dados coletados pelo agregador desenvolvido por [Wesley Cota](https://wesleycota.com/) (doutorando da UFV e Universidad de Zaragoza, Espanha).